Day 17
補(bǔ)充
-
重載：
函數(shù)的重載 -- 函數(shù)名相同但是參數(shù)不同的函數(shù)可以有多個(gè)涮阔，但是python不支持函數(shù)的重載
1. 正則表達(dá)式-符號(hào)（regular）
import re
-
講解
- 正則表達(dá)式就是做字符串匹配的一種工具，很多語(yǔ)言都支持正則語(yǔ)法，正則語(yǔ)法是通用的。
- python中通過(guò)re模塊中提供的方式來(lái)使用正則丽旅。
- re.fullmatch(正則表達(dá)式, 字符串) -- 完全匹配忱屑，檢查字符串是否滿足正則表達(dá)式的要求篮昧；如果不匹配結(jié)果就是None，匹配結(jié)果是一個(gè)匹配對(duì)象午磁。
- python正則表達(dá)式 -- r'正則' (r-阻止轉(zhuǎn)義)
- js正則表達(dá)式 -- /正則/
-
匹配字符的符號(hào)
1）普通字符
普通字符在正則中代表字符本身尝抖，例如：a, b, 1...等
要求一個(gè)字符串有5個(gè)字符，分別是h, e, l, l, ore_str = r'hello' result = re.fullmatch(re_str, 'hello') print(result)2）.(匹配除換行符以外的任意字符)
一個(gè).匹配一個(gè)除換行符以外的任意字符
[^\n] == .
匹配一個(gè)字符串有三個(gè)字符迅皇，第一個(gè)字符是a昧辽，最后一個(gè)字符是c，第二個(gè)字符是任意字符re_str = r'a.c' result = re.fullmatch(re_str, 'a+c') print(result)3）\w（匹配字母登颓、數(shù)字搅荞、下劃線）
一個(gè)\w只能匹配一個(gè)字符
注意：這個(gè)不嚴(yán)謹(jǐn)，還可以匹配中文等字符,不能匹配ASCII碼表中除了字母數(shù)字下劃線以外的符號(hào)框咙。
匹配一個(gè)字符串第一個(gè)字符是字母咕痛、數(shù)字、下劃線喇嘱，后面是'abc're_str = r'\wabc' result = re.fullmatch(re_str,'_abc') print(result)4）\s(匹配空白字符)
空白字符：空格茉贡、\t、\n
一個(gè)\s只能匹配一個(gè)空白字符
匹配一個(gè)長(zhǎng)度是8的字符者铜，要求前三個(gè)字符是任意字符腔丧，中間兩個(gè)空白字符放椰，后面再三個(gè)任意字符re_str = r'...\s\s...' result = re.fullmatch(re_str, 'sdf\t\nsdf') print(result)5）\d(匹配數(shù)字字符)
re_str = r'\d\dabc' result = re.fullmatch(re_str, '34abc') print(result)6）\W(非數(shù)字、字母愉粤、下劃線)
7）\S(非空白字符)
匹配一個(gè)長(zhǎng)度是4的字符砾医，后面三個(gè)字符是'abc'，第一個(gè)字符可以是任何一個(gè)非空白字符re_str = r'\Sabc' result = re.fullmatch(re_str, '2abc') print(result)8）\D(匹配非數(shù)字字符)
re_str = '\Dabc' result = re.fullmatch(re_str, 'sabc') print(result)9）[](匹配字符集中的一個(gè)字符)
a.[普通字符集] -- 匹配字符集中的任意一個(gè)字符 b.[字符1-字符2] -- 匹配字符1到字符2中的任意一個(gè)字符(要求 字符1的編碼值小于字符2) [0-9] -- 匹配所有的數(shù)字 [a-z] -- 匹配小寫字母 [A-Z] -- 匹配大寫字母 [a-zA-Z] -- 匹配所有的字母 [\da-zA-Z_] -- 匹配字母數(shù)字下劃線 [\u4e00-\u9fa5] -- 匹配所有的中文 注意：一個(gè)[]只能匹配一個(gè)字符匹配一個(gè)長(zhǎng)度是4的字符串科汗，第一個(gè)字符是x或者y或者z藻烤，后面是abc
re_str = r'[xyz]abc' result = re.fullmatch(re_str, 'xabc') print(result)匹配一個(gè)長(zhǎng)度是4 的字符串，第一個(gè)字符是數(shù)字或者x, y, z
re_str = r'[\dxyz]abc' result = re.fullmatch(re_str, '4abc') print(result)匹配一個(gè)長(zhǎng)度是4的字符串头滔，第一個(gè)字符是數(shù)字字符2-8中的一個(gè)或者是x,y,z
re_str = r'[2-8xyz]abc' result = re.fullmatch(re_str, '3abc') print(result)匹配一個(gè)長(zhǎng)度是4的字符串怖亭，第一個(gè)字符是漢字
re_str = r'[\u4e00-\u9fa5]abc' result = re.fullmatch(re_str, '以abc') print(result)- [^]
[^字符集] -- 匹配不在字符集中任意一個(gè)字符 [^\u4e00-\u9fa5] -- 匹配一個(gè)非中文字符 ...匹配一個(gè)長(zhǎng)度是4的字符串，第一個(gè)字符不是中文字符
re_str = r'[^\u4e00-\u9fa5]abc' result = re.fullmatch(re_str, '7abc') print(result) -
檢測(cè)字符的符號(hào)
1）\b(檢測(cè)單詞邊界)\b -- 檢查\b所在的位置是否是單詞邊界 單詞邊界 -- 字符串開(kāi)頭坤检、字符串結(jié)尾兴猩、空白、標(biāo)點(diǎn)符號(hào)等匹配一個(gè)長(zhǎng)度是4的字符串早歇，第一個(gè)字符是任意字符倾芝，后邊是abc；檢查c的后面是否是單詞邊界
re_str = r'.abc\b,are' print(re.fullmatch(re_str, '7abc,are'))2）^（檢查是否是字符串開(kāi)頭）
re_str = r'^abc' print(re.fullmatch(re_str, 'abc')) print(re.search(r'\d\d', 'has34ahfskf'))3）$(檢測(cè)是否是字符串結(jié)尾)
re_str = r'sfj$' print(re.fullmatch(re_str, 'sfj')) print(re.search(r'\d\d$', 'hello45')) -
轉(zhuǎn)義符號(hào)
轉(zhuǎn)義符號(hào)：通過(guò)在正則中有特殊功能或者意義前加'\',讓這個(gè)正則符號(hào)變成普通符號(hào)
注意：除了^放在[]開(kāi)頭箭跳，和-放在兩個(gè)字符之間以外晨另，其他單獨(dú)的特殊符號(hào)，在[]沒(méi)有特殊功能都是表示字符本身
只要有歧義的時(shí)候谱姓，就加''re_str = r'\d\d\.\d\d' print(re.fullmatch(re_str, '34.34'))re_str = r'\^\d\d\d' print(re.fullmatch(re_str, '^344'))re_str = r'\\d\d\d\d' print(re.fullmatch(re_str, '\d344'))re_str = r'\d\d[.]\d\d' print(re.fullmatch(re_str, '34.64'))^在[]中不是在開(kāi)頭就沒(méi)有特殊意義
re_str = r'\d\d[a^-]\d\d' print(re.fullmatch(re_str, '34^64'))-在[]中只要不是放在兩個(gè)字符之間都表示-本身
re_str = r'\d\d[-]\d\d' print(re.fullmatch(re_str, '34-64')) re_str = r'\d\d[-a]\d\d' print(re.fullmatch(re_str, '34-64'))[]里有字符1借尿，-，a屉来，]
re_str = r'\d\d[1\-a\]]\d\d' print(re.fullmatch(re_str, '34]64')) print(re.fullmatch(re_str, '34-64')) -
匹配次數(shù)
1）*(匹配0次或多次)字符* -- 指定的字符出現(xiàn)0次或者多次 a* -- 字符a匹配0次或者多次 \d* -- 數(shù)字匹配0次或者多次 [a-z]* -- 小寫字母匹配0次或者多次re_str = r'a*bc' print(re.fullmatch(re_str, 'bc')) print(re.fullmatch(re_str, 'abc')) print(re.fullmatch(re_str, 'aabc'))2）+(匹配1次或者多次)
匹配一個(gè)字符串開(kāi)頭是a,結(jié)束是b,中間至少一個(gè)數(shù)字re_str = r'a\d+b' print(re.fullmatch(re_str, 'a89b')) re_str = r'a\d\d*b' print(re.fullmatch(re_str, 'a69b'))3）?(0次或1次)
練習(xí)：寫一個(gè)正則表達(dá)式路翻，能夠匹配一個(gè)整數(shù)字符串
283 -73、+7,67, 9re_str = r'[+-]?\d+' print(re.fullmatch(re_str, '-24')) print(re.fullmatch(re_str, '+24')) print(re.fullmatch(re_str, '4')) print(re.fullmatch(re_str, '-246986654'))4）{}
{N} - 匹配N次 {M,N} - 匹配至少M(fèi)次茄靠，最多N次 {M,} - 匹配至少M(fèi)次 {,N} - 匹配最多N次 * == {0,} + == {1,} ? == {0,1}re_str = r'\d{4}' print(re.fullmatch(re_str, '8273'))re_str = r'\d{2,4}' print(re.fullmatch(re_str, '889')) re_str = r'[xyz]{,3}' print(re.fullmatch(re_str, 'xy'))練習(xí):寫一個(gè)正則表達(dá)式判斷密碼是否符號(hào)要求：密碼由數(shù)字和字母組成茂契，并第一個(gè)字符是大寫字母，長(zhǎng)度是6-12位
re_str = r'[A-Z][a-zA-Z\d]{5,11}' print(re.fullmatch(re_str, 'A27ggh342h'))5）非貪婪（~）
1)貪婪 - 匹配次數(shù)不確定的時(shí)候盡可能多的匹配 （上面次數(shù)不確定的符號(hào)都是貪婪的） 2)非貪婪 - 匹配次數(shù)不確定的時(shí)候盡可能少的匹配 (上面次數(shù)不確定的符號(hào)后面加?就會(huì)變成非貪婪) *? - 0次或多次, 盡可能少 +? - 1次或多次, 盡可能少 ?? - 0次或1次, 盡可能少 {N,M}? {M,}? {,N}?re_str = r'a+?' print(re.search(re_str, 'A2aaaaaa2h')) re_str = r'a.+?b' print(re.search(re_str, 'a23bgshjsb====')) re_str = r'a.*b' print(re.search(re_str, 'a23bhksdb====')) -
分支和分組
1）|（分支）正則1|正則2 -- 先用正則1進(jìn)行匹配慨绳，如果匹配失敗再用正則2匹配(正則1和正則2中只要有一個(gè)匹配成功就成功掉冶，兩個(gè)失敗了才會(huì)失敗)注意：如果正則1匹配成功了，不會(huì)再使用正則2去匹配
匹配一個(gè)字符串脐雪，開(kāi)頭是abc或者xyz厌小，后面是123 'abc123' ,'xyz123' ?```python re_str = r'abc|xyz' print(re.fullmatch(re_str, 'abc'))re_str = r'\d{3}|xyz[a-zA-Z]{4}|\+{3}' print(re.fullmatch(re_str, '+++'))2）() (分組)
將部分正則作為一個(gè)整體 1.整體區(qū)分 (xxx|yyy)[A-Z]{2}[a-z]{2}\d{2} 2.整體操作 (\d{2}[a-zA-Z{2}]){3} 3.整體重復(fù) \M -- 重復(fù)前面第M個(gè)匹配到的內(nèi)容匹配一個(gè)字符串是xxx123，yyy123
re_str = r'(xxx|yyy)123' print(re.fullmatch(re_str, 'xxx123')) print(re.fullmatch(re_str, 'yyy123'))re_str = r'(\d{2}[a-zA-Z]{2}){3}' print(re.fullmatch(re_str, '12AB34GH24JK'))89sdf89,67sfd67
re_str = r'(\d\d\d)abc\1' print(re.fullmatch(re_str, '123abc123')) re_str = r'(\d{3})([a-z]{2})\2\1\2' print(re.fullmatch(re_str, '123asas123as'))
2. 正則表達(dá)式-方法（regular）
from re import *
- (了解)compile(正則表達(dá)式) -- 創(chuàng)建正則表達(dá)式對(duì)象
re_str = r'\d{3}'
re_obj = compile(re_str)
re_obj.fullmatch('234')
- fullmatch -- 完全匹配
fullmatch(正則表達(dá)式喂江，字符串) -- 讓正則和字符串完全匹配;匹配失敗返回None，匹配成功返回匹配對(duì)象
對(duì)整個(gè)字符串進(jìn)行檢查的時(shí)候使用旁振，比如判斷賬號(hào)获询、密碼是否合法涨岁；手機(jī)號(hào)、郵箱是否合法等
result = fullmatch(r'\d{3}[a-z]{2}[A-Z]{3}', '234asGHD')
print(result)
- match -- 匹配字符串開(kāi)頭
match(正則表達(dá)式, 字符串) -- 讓正則和字符串開(kāi)頭匹配吉嚣；匹配失敗返回None梢薪，匹配成功返回匹配對(duì)象
result = match(r'\d{3}', '3495hsjs02-3')
print(result)
- search -- 字符串查找
search(正則表達(dá)式, 字符串) -- 在字符串中找到第一個(gè)和正則表達(dá)式匹配的子串；沒(méi)有匹配到就返回None尝哆，否則返回匹配對(duì)象
result = search(r'a(\d{3})([A-Z]{2})', 'a345AS')
print(result) # <_sre.SRE_Match object; span=(0, 6), match='a345AS'>
通過(guò)匹配對(duì)象能獲取到以下內(nèi)容
# a.匹配結(jié)果
print(result.group()) # 獲取整個(gè)正則表達(dá)式匹配到的結(jié)果 a345AS
print(result.group(1)) # 獲取第一個(gè)分組匹配到的結(jié)果 345
print(result.group(2)) # 獲取第二個(gè)分組匹配到的結(jié)果 AS
# b.匹配返回（被匹配到的內(nèi)容在原字符串中的范圍-（開(kāi)始下標(biāo), 結(jié)束下標(biāo)））
print(result.span()) # (0, 6)
print(result.start()) # 0
print(result.end()) # 6
# c.獲取原字符串
print(result.string) # a345AS
- split -- 字符串切割
split(正則表達(dá)式, 字符串, 切割次數(shù)) -- 將字符串按照滿足正則表達(dá)式的子串進(jìn)行切割秉撇；返回的是一個(gè)列表，列表中是被切開(kāi)的子串
切割次數(shù) -- 不傳參就全切
# ['alfhuiwe', 'h', 'ugy3fr23GHJFTY87GHJG8g6f']
print(split(r'\d+|[A-Z]+', 'alfhuiwe7384h2ugy3fr23GHJFTY87GHJG8g6f', 2))
- sub -- 字符串替換
sub(正則表達(dá)式,新字符串,原字符串,替換次數(shù)) -- 將原字符串中滿足正則表達(dá)式的子串替換成新字符串
替換次數(shù) -- 不傳參就全部替換
print(sub(r'\d+', '*','aaisafyr34359yh47fus7srer98')) # aaisafyr*yh*fus*srer*
- findall -- 查找所有
findall(正則表達(dá)式秋泄，字符串) -- 在字符串中查找所有滿足正則表達(dá)式的子串琐馆，以列表的形式返回
# 有一個(gè)分組，只取分組匹配到的內(nèi)容
print(findall(r'\d+a', 'afu78efha6asajf78fiwe98aeu3od')) # ['6a', '98a']
# 有一個(gè)分組恒序，只取分組匹配到的內(nèi)容
print(findall(r'(\d+)a', 'afu78efha6asajf78fiwe98aeu3od')) # ['6', '98']
print(findall(r'(\d+)([a-z]{2})', 'afu78efha6asajf78fiwe98aeu3od')) # [('78', 'ef'), ('6', 'as'), ('78', 'fi'), ('98', 'ae'), ('3', 'od')]
注意：使用findall的時(shí)候瘦麸，如果有分組想要取整個(gè)正則匹配的結(jié)果是取不到的
print(findall(r'(\d[a-z]){3}\+', '')) # []
- finditer -- 查找所有
finditer(正則表達(dá)式, 字符串) -- 在字符串中查找所有滿足正則表達(dá)式的子串：返回一個(gè)迭代器，元素是每個(gè)子串對(duì)應(yīng)的匹配結(jié)對(duì)象
result = finditer(r'(\d[a-z]){3}\+', 'ahjs8a2a8j+胡士大夫9m2s0j+接收到sd8p+ss===')
print(result) # <callable_iterator object at 0x0056E190>
for x in result:
print(x.group(), x.group(1)) # 8a2a8j+ 8j 9m2s0j+ 0j
教師資料-字符串和正則表達(dá)式
使用正則表達(dá)式
正則表達(dá)式相關(guān)知識(shí)
在編寫處理字符串的程序或網(wǎng)頁(yè)時(shí)歧胁，經(jīng)常會(huì)有查找符合某些復(fù)雜規(guī)則的字符串的需要滋饲，正則表達(dá)式就是用于描述這些規(guī)則的工具，換句話說(shuō)正則表達(dá)式是一種工具喊巍，它定義了字符串的匹配模式（如何檢查一個(gè)字符串是否有跟某種模式匹配的部分或者從一個(gè)字符串中將與模式匹配的部分提取出來(lái)或者替換掉）屠缭。如果你在Windows操作系統(tǒng)中使用過(guò)文件查找并且在指定文件名時(shí)使用過(guò)通配符（*和?），那么正則表達(dá)式也是與之類似的用來(lái)進(jìn)行文本匹配的工具崭参，只不過(guò)比起通配符正則表達(dá)式更強(qiáng)大呵曹，它能更精確地描述你的需求（當(dāng)然你付出的代價(jià)是書寫一個(gè)正則表達(dá)式比打出一個(gè)通配符要復(fù)雜得多，要知道任何給你帶來(lái)好處的東西都是有代價(jià)的阵翎，就如同學(xué)習(xí)一門編程語(yǔ)言一樣）逢并，比如你可以編寫一個(gè)正則表達(dá)式，用來(lái)查找所有以0開(kāi)頭郭卫，后面跟著2-3個(gè)數(shù)字砍聊，然后是一個(gè)連字號(hào)“-”，最后是7或8位數(shù)字的字符串（像028-12345678或0813-7654321）贰军，這不就是國(guó)內(nèi)的座機(jī)號(hào)碼嗎玻蝌。最初計(jì)算機(jī)是為了做數(shù)學(xué)運(yùn)算而誕生的，處理的信息基本上都是數(shù)值词疼，而今天我們?cè)谌粘９ぷ髦刑幚淼男畔⒒旧隙际俏谋緮?shù)據(jù)俯树，我們希望計(jì)算機(jī)能夠識(shí)別和處理符合某些模式的文本，正則表達(dá)式就顯得非常重要了贰盗。今天幾乎所有的編程語(yǔ)言都提供了對(duì)正則表達(dá)式操作的支持许饿，Python通過(guò)標(biāo)準(zhǔn)庫(kù)中的re模塊來(lái)支持正則表達(dá)式操作。
我們可以考慮下面一個(gè)問(wèn)題：我們從某個(gè)地方（可能是一個(gè)文本文件舵盈，也可能是網(wǎng)絡(luò)上的一則新聞）獲得了一個(gè)字符串陋率，希望在字符串中找出手機(jī)號(hào)和座機(jī)號(hào)球化。當(dāng)然我們可以設(shè)定手機(jī)號(hào)是11位的數(shù)字（注意并不是隨機(jī)的11位數(shù)字，因?yàn)槟銢](méi)有見(jiàn)過(guò)“25012345678”這樣的手機(jī)號(hào)吧）而座機(jī)號(hào)跟上一段中描述的模式相同瓦糟，如果不使用正則表達(dá)式要完成這個(gè)任務(wù)就會(huì)很麻煩筒愚。
關(guān)于正則表達(dá)式的相關(guān)知識(shí)，大家可以閱讀一篇非常有名的博客叫《正則表達(dá)式30分鐘入門教程》菩浙，讀完這篇文章后你就可以看懂下面的表格巢掺，這是我們對(duì)正則表達(dá)式中的一些基本符號(hào)進(jìn)行的扼要總結(jié)。
| 符號(hào) | 解釋 | 示例 | 說(shuō)明 |
|---|---|---|---|
| . | 匹配任意字符 | b.t | 可以匹配bat / but / b#t / b1t等 |
| \w | 匹配字母/數(shù)字/下劃線 | b\wt | 可以匹配bat / b1t / b_t等 但不能匹配b#t |
| \s | 匹配空白字符（包括\r劲蜻、\n陆淀、\t等） | love\syou | 可以匹配love you |
| \d | 匹配數(shù)字 | \d\d | 可以匹配01 / 23 / 99等 |
| \b | 匹配單詞的邊界 | \bThe\b | |
| ^ | 匹配字符串的開(kāi)始 | ^The | 可以匹配The開(kāi)頭的字符串 |
| $ | 匹配字符串的結(jié)束 | .exe$ | 可以匹配.exe結(jié)尾的字符串 |
| \W | 匹配非字母/數(shù)字/下劃線 | b\Wt | 可以匹配b#t / b@t等 但不能匹配but / b1t / b_t等 |
| \S | 匹配非空白字符 | love\Syou | 可以匹配love#you等 但不能匹配love you |
| \D | 匹配非數(shù)字 | \d\D | 可以匹配9a / 3# / 0F等 |
| \B | 匹配非單詞邊界 | \Bio\B | |
| [] | 匹配來(lái)自字符集的任意單一字符 | [aeiou] | 可以匹配任一元音字母字符 |
| [^] | 匹配不在字符集中的任意單一字符 | [^aeiou] | 可以匹配任一非元音字母字符 |
| * | 匹配0次或多次 | \w* | |
| + | 匹配1次或多次 | \w+ | |
| ? | 匹配0次或1次 | \w? | |
| {N} | 匹配N次 | \w{3} | |
| {M,} | 匹配至少M(fèi)次 | \w{3,} | |
| {M,N} | 匹配至少M(fèi)次至多N次 | \w{3,6} | |
| | | 分支 | foo|bar | 可以匹配foo或者bar |
| (?#) | 注釋 | ||
| (exp) | 匹配exp并捕獲到自動(dòng)命名的組中 | ||
| (?<name>exp) | 匹配exp并捕獲到名為name的組中 | ||
| (?:exp) | 匹配exp但是不捕獲匹配的文本 | ||
| (?=exp) | 匹配exp前面的位置 | \b\w+(?=ing) | 可以匹配I'm dancing中的danc |
| (?<=exp) | 匹配exp后面的位置 | (?<=\bdanc)\w+\b | 可以匹配I love dancing and reading中的第一個(gè)ing |
| (?!exp) | 匹配后面不是exp的位置 | ||
| (?<!exp) | 匹配前面不是exp的位置 | ||
| *? | 重復(fù)任意次，但盡可能少重復(fù) | a.*b a.*?b |
將正則表達(dá)式應(yīng)用于aabab斋竞，前者會(huì)匹配整個(gè)字符串a(chǎn)abab倔约，后者會(huì)匹配aab和ab兩個(gè)字符串 |
| +? | 重復(fù)1次或多次，但盡可能少重復(fù) | ||
| ?? | 重復(fù)0次或1次坝初，但盡可能少重復(fù) | ||
| {M,N}? | 重復(fù)M到N次浸剩，但盡可能少重復(fù) | ||
| {M,}? | 重復(fù)M次以上，但盡可能少重復(fù) |
說(shuō)明：如果需要匹配的字符是正則表達(dá)式中的特殊字符鳄袍，那么可以使用\進(jìn)行轉(zhuǎn)義處理绢要，例如想匹配小數(shù)點(diǎn)可以寫成\.就可以了，因?yàn)橹苯訉?會(huì)匹配任意字符拗小；同理重罪，想匹配圓括號(hào)必須寫成\(和\)，否則圓括號(hào)被視為正則表達(dá)式中的分組哀九。
Python對(duì)正則表達(dá)式的支持
Python提供了re模塊來(lái)支持正則表達(dá)式相關(guān)操作剿配，下面是re模塊中的核心函數(shù)。
| 函數(shù) | 說(shuō)明 |
|---|---|
| compile(pattern, flags=0) | 編譯正則表達(dá)式返回正則表達(dá)式對(duì)象 |
| match(pattern, string, flags=0) | 用正則表達(dá)式匹配字符串 成功返回匹配對(duì)象 否則返回None |
| search(pattern, string, flags=0) | 搜索字符串中第一次出現(xiàn)正則表達(dá)式的模式 成功返回匹配對(duì)象 否則返回None |
| split(pattern, string, maxsplit=0, flags=0) | 用正則表達(dá)式指定的模式分隔符拆分字符串 返回列表 |
| sub(pattern, repl, string, count=0, flags=0) | 用指定的字符串替換原字符串中與正則表達(dá)式匹配的模式 可以用count指定替換的次數(shù) |
| fullmatch(pattern, string, flags=0) | match函數(shù)的完全匹配（從字符串開(kāi)頭到結(jié)尾）版本 |
| findall(pattern, string, flags=0) | 查找字符串所有與正則表達(dá)式匹配的模式 返回字符串的列表 |
| finditer(pattern, string, flags=0) | 查找字符串所有與正則表達(dá)式匹配的模式 返回一個(gè)迭代器 |
| purge() | 清除隱式編譯的正則表達(dá)式的緩存 |
| re.I / re.IGNORECASE | 忽略大小寫匹配標(biāo)記 |
| re.M / re.MULTILINE | 多行匹配標(biāo)記 |
說(shuō)明：上面提到的re模塊中的這些函數(shù)阅束，實(shí)際開(kāi)發(fā)中也可以用正則表達(dá)式對(duì)象的方法替代對(duì)這些函數(shù)的使用呼胚，如果一個(gè)正則表達(dá)式需要重復(fù)的使用，那么先通過(guò)compile函數(shù)編譯正則表達(dá)式并創(chuàng)建出正則表達(dá)式對(duì)象無(wú)疑是更為明智的選擇息裸。
下面我們通過(guò)一系列的例子來(lái)告訴大家在Python中如何使用正則表達(dá)式蝇更。
例子1：驗(yàn)證輸入用戶名和QQ號(hào)是否有效并給出對(duì)應(yīng)的提示信息。
"""
驗(yàn)證輸入用戶名和QQ號(hào)是否有效并給出對(duì)應(yīng)的提示信息
要求：
用戶名必須由字母呼盆、數(shù)字或下劃線構(gòu)成且長(zhǎng)度在6~20個(gè)字符之間
QQ號(hào)是5~12的數(shù)字且首位不能為0
"""
import re
def main():
username = input('請(qǐng)輸入用戶名: ')
qq = input('請(qǐng)輸入QQ號(hào): ')
# match函數(shù)的第一個(gè)參數(shù)是正則表達(dá)式字符串或正則表達(dá)式對(duì)象
# 第二個(gè)參數(shù)是要跟正則表達(dá)式做匹配的字符串對(duì)象
m1 = re.match(r'^[0-9a-zA-Z_]{6,20}$', username)
if not m1:
print('請(qǐng)輸入有效的用戶名.')
m2 = re.match(r'^[1-9]\d{4,11}$', qq)
if not m2:
print('請(qǐng)輸入有效的QQ號(hào).')
if m1 and m2:
print('你輸入的信息是有效的!')
if __name__ == '__main__':
main()
提示：上面在書寫正則表達(dá)式時(shí)使用了“原始字符串”的寫法（在字符串前面加上了r）年扩，所謂“原始字符串”就是字符串中的每個(gè)字符都是它原始的意義，說(shuō)得更直接一點(diǎn)就是字符串中沒(méi)有所謂的轉(zhuǎn)義字符啦访圃。因?yàn)檎齽t表達(dá)式中有很多元字符和需要進(jìn)行轉(zhuǎn)義的地方厨幻，如果不使用原始字符串就需要將反斜杠寫作\\，例如表示數(shù)字的\d得書寫成\\d，這樣不僅寫起來(lái)不方便况脆，閱讀的時(shí)候也會(huì)很吃力平绩。
例子2：從一段文字中提取出國(guó)內(nèi)手機(jī)號(hào)碼。
下面這張圖是截止到2017年底漠另，國(guó)內(nèi)三家運(yùn)營(yíng)商推出的手機(jī)號(hào)段。
import re
def main():
# 創(chuàng)建正則表達(dá)式對(duì)象 使用了前瞻和回顧來(lái)保證手機(jī)號(hào)前后不應(yīng)該出現(xiàn)數(shù)字
pattern = re.compile(r'(?<=\D)1[34578]\d{9}(?=\D)')
sentence = '''
重要的事情說(shuō)8130123456789遍跃赚，我的手機(jī)號(hào)是13512346789這個(gè)靚號(hào)笆搓，
不是15600998765，也是110或119纬傲，王大錘的手機(jī)號(hào)才是15600998765满败。
'''
# 查找所有匹配并保存到一個(gè)列表中
mylist = re.findall(pattern, sentence)
print(mylist)
print('--------華麗的分隔線--------')
# 通過(guò)迭代器取出匹配對(duì)象并獲得匹配的內(nèi)容
for temp in pattern.finditer(sentence):
print(temp.group())
print('--------華麗的分隔線--------')
# 通過(guò)search函數(shù)指定搜索位置找出所有匹配
m = pattern.search(sentence)
while m:
print(m.group())
m = pattern.search(sentence, m.end())
if __name__ == '__main__':
main()
說(shuō)明：上面匹配國(guó)內(nèi)手機(jī)號(hào)的正則表達(dá)式并不夠好，因?yàn)橄?4開(kāi)頭的號(hào)碼只有145或147叹括，而上面的正則表達(dá)式并沒(méi)有考慮這種情況，要匹配國(guó)內(nèi)手機(jī)號(hào)，更好的正則表達(dá)式的寫法是：
(?<=\D)(1[38]\d{9}|14[57]\d{8}|15[0-35-9]\d{8}|17[678]\d{8})(?=\D)懂昂，國(guó)內(nèi)最近好像有19和16開(kāi)頭的手機(jī)號(hào)了轩褐，但是這個(gè)暫時(shí)不在我們考慮之列。
例子3：替換字符串中的不良內(nèi)容
import re
def main():
sentence = '你丫是傻叉嗎? 我操你大爺?shù)? Fuck you.'
purified = re.sub('[操肏艸草曹]|fuck|shit|傻[比屄逼叉缺吊屌]|煞筆',
'*', sentence, flags=re.IGNORECASE)
print(purified) # 你丫是*嗎? 我*你大爺?shù)? * you.
if __name__ == '__main__':
main()
說(shuō)明：re模塊的正則表達(dá)式相關(guān)函數(shù)中都有一個(gè)flags參數(shù)侠讯，它代表了正則表達(dá)式的匹配標(biāo)記挖藏，可以通過(guò)該標(biāo)記來(lái)指定匹配時(shí)是否忽略大小寫、是否進(jìn)行多行匹配厢漩、是否顯示調(diào)試信息等膜眠。如果需要為flags參數(shù)指定多個(gè)值，可以使用按位或運(yùn)算符進(jìn)行疊加溜嗜，如
flags=re.I | re.M宵膨。
例子4：拆分長(zhǎng)字符串
import re
def main():
poem = '窗前明月光，疑是地上霜炸宵。舉頭望明月辟躏，低頭思故鄉(xiāng)。'
sentence_list = re.split(r'[焙压，鸿脓。, .]', poem)
while '' in sentence_list:
sentence_list.remove('')
print(sentence_list) # ['窗前明月光', '疑是地上霜', '舉頭望明月', '低頭思故鄉(xiāng)']
if __name__ == '__main__':
main()
后話
如果要從事爬蟲類應(yīng)用的開(kāi)發(fā)，那么正則表達(dá)式一定是一個(gè)非常好的助手涯曲，因?yàn)樗梢詭椭覀冄杆俚膹木W(wǎng)頁(yè)代碼中發(fā)現(xiàn)某種我們指定的模式并提取出我們需要的信息野哭，當(dāng)然對(duì)于初學(xué)者來(lái)收，要編寫一個(gè)正確的適當(dāng)?shù)恼齽t表達(dá)式可能并不是一件容易的事情（當(dāng)然有些常用的正則表達(dá)式可以直接在網(wǎng)上找找）幻件，所以實(shí)際開(kāi)發(fā)爬蟲應(yīng)用的時(shí)候拨黔，有很多人會(huì)選擇Beautiful Soup或Lxml來(lái)進(jìn)行匹配和信息的提取，前者簡(jiǎn)單方便但是性能較差绰沥，后者既好用性能也好篱蝇，但是安裝稍嫌麻煩贺待，這些內(nèi)容我們會(huì)在后期的爬蟲專題中為大家介紹。
